世界模型

TraceGen: World Modeling in 3D Trace Space Enables Learning from Cross-Embodiment Videos

TraceGen：在3D轨迹空间中进行世界建模，实现跨躯体视频的学习

Seungjae Lee, Yoonkyo Jung, Inkook Chun, Yao-Chih Lee, Zikui Cai, Hongjia Huang, Aayush Talreja, Tan Dat Dao, Yongyuan Liang, Jia-Bin Huang, Furong Huang

机构 * University of Maryland, College Park（马里兰大学 College Park分校） 纠错

专题命中 通用世界模型 ：world model(title,abstract)；world model(title,abstract)；world models(abstract)；world models(abstract)

AI总结 TraceGen通过3D轨迹空间实现跨躯体视频学习，利用紧凑的轨迹表示提升机器人任务学习效率与泛化能力。

STARFlow-V: End-to-End Video Generative Modeling with Normalizing Flows

STARFlow-V：基于归一化流的端到端视频生成模型

Jiatao Gu, Ying Shen, Tianrong Chen, Laurent Dinh, Yuyang Wang, Miguel Angel Bautista, David Berthelot, Josh Susskind, Shuangfei Zhai

机构 * Apple（苹果公司） 纠错

专题命中 通用世界模型 ：world model(abstract)；world models(abstract)；world model(abstract)；world models(abstract)

AI总结 STARFlow-V基于归一化流提出端到端视频生成模型，具备端到端学习、鲁棒因果预测和原生似然估计等优势，实现了高质量自回归视频生成。

Comments 21 pages, 9 figures. Code and samples are available at https://github.com/apple/ml-starflow

Force Prompting: Video Generation Models Can Learn and Generalize Physics-based Control Signals

力提示：视频生成模型可以学习并泛化基于物理的控制信号

Nate Gillman, Charles Herrmann, Michael Freeman, Daksh Aggarwal, Evan Luo, Deqing Sun, Chen Sun

机构 * Brown University（布朗大学） ； Google DeepMind（谷歌DeepMind） 纠错

专题命中 通用世界模型 ：world model(abstract)；world models(abstract)；world model(abstract)；world models(abstract)

AI总结 本文提出力提示方法，通过物理力信号生成逼真视频，利用视觉和运动先验实现物理控制信号的泛化，提升世界模型的物理真实性。

Comments Camera ready version (NeurIPS 2025). Code and interactive demos at https://force-prompting.github.io/

Predictive Safety Shield for Dyna-Q Reinforcement Learning

动态Q强化学习的预测安全护盾

Jin Pin, Krasowski Hanna, Vanneaux Elena

机构 * Departement U2IS, ENSTA Paris, Institut Polytechnique de Paris（ENSTA巴黎大学U2IS部门，巴黎理工学院） ； Department of Electrical Engineering and Computer Science, University of California, Berkeley, USA（加州大学伯克利分校电气工程与计算机科学系） 纠错

专题命中 通用世界模型 ：environment model(abstract)；model-based reinforcement learning(abstract)；分类 cs.AI、cs.LG、cs.RO

AI总结 本文提出了一种预测安全护盾，通过环境模型的安全模拟本地更新Q函数，以在保持严格安全保证的同时提高模型强化学习性能。

Lightweight Sequential Transformers for Blood Glucose Level Prediction in Type-1 Diabetes

轻量级顺序变换器用于1型糖尿病血糖水平预测

Mirko Paolo Barbato, Giorgia Rigamonti, Davide Marelli, Paolo Napoletano

机构 * Department of Informatics, Systems and Communication, University of Milano-Bicocca（信息学、系统与通信系，米兰-比科卡大学） 纠错

专题命中 通用世界模型 ：分类 cs.AI、cs.LG；predictive model(abstract)；predictive models(abstract)

AI总结 本文提出了一种轻量级顺序变换器模型，用于1型糖尿病的血糖预测，通过结合注意力机制和循环神经网络的优势，实现高效且准确的血糖预测与不良事件检测。

ENACT: Evaluating Embodied Cognition with World Modeling of Egocentric Interaction

ENACT：通过视角交互的世界建模评估具身认知

Qineng Wang, Wenlong Huang, Yu Zhou, Hang Yin, Tianwei Bao, Jianwen Lyu, Weiyu Liu, Ruohan Zhang, Jiajun Wu, Li Fei-Fei, Manling Li

机构 * Northwestern University（西北大学） ； Stanford University（斯坦福大学） ； UCLA（加州大学洛杉矶分校） 纠错

专题命中 具身与机器人 ：world model(title,abstract)；world model(title,abstract)；分类 cs.AI、cs.CV、cs.RO

AI总结 ENACT通过视角交互的世界建模评估具身认知，揭示VLMs在长周期交互中与人类表现差距扩大，且模型在逆向任务中表现更优。

Comments Preprint version

Sampling-Based Optimization with Parallelized Physics Simulator for Bimanual Manipulation

基于并行物理模拟器的采样优化方法用于双臂操作

Iryna Hurova, Alinjar Dan, Karl Kruusamäe, Arun Kumar Singh

机构 * University of Tartu（塔尔图大学） 纠错

专题命中 具身与机器人 ：world model(abstract)；world model(abstract)；分类 cs.RO

AI总结 本文提出基于并行物理模拟器的采样优化方法，用于解决双臂操作任务，通过定制的MPPI算法和GPU加速的MuJoCo实现高效交互评估。

Comments 9 pages, 5 figures